### 使用 Python 给图像添加雾效果 为了实现这一目标，可以采用两种主要方法之一：使用 `PIL` 或者 `OpenCV` 库。下面分别介绍这两种方式。 #### 方法一：基于 PIL 的解决方案 通过调整图像的颜色通道来模拟雾的效果是一种常见做法。具体来说，可以通过增加亮度以及混合白色像素到原始图层上来达到目的。 ```python from PIL import Image, ImageEnhance def add_fog_effect_pil(image_path, output_path): img = Image.open(image_path).convert("RGB") # 加载并转换成 RGB 模式[^1] enhancer_brightness = ImageEnhance.Brightness(img) brightened_img = enhancer_brightness.enhance(1.5) # 提高亮度 foggy_image = Image.blend(brightened_img, Image.new('RGB', img.size, (255, 255, 255)), alpha=0.3) foggy_image.save(output_path) # 将带有雾效的图片保存至指定路径 ``` 这段代码首先增强了输入图像的整体亮度，接着创建了一个全白的新图像并与原图按一定比例融合，从而实现了简单的雾化视觉效果。 #### 方法二：利用 OpenCV 实现更复杂的雾效 对于更加真实的雾气渲染，则可能需要用到一些高级技术如颜色空间变换、直方图均衡化等，在此推荐使用 `OpenCV` 来完成： ```python import cv2 import numpy as np def add_advanced_fog_effect_opencv(input_file, output_file): src = cv2.imread(input_file) # 读取源文件 A = 2.0 # 大气光强度参数 beta = 0.08 # 雾浓度系数 d = np.random.uniform(0., 1., size=(src.shape[0], src.shape[1])) * beta trans_map = np.exp(-d) hazy_data = src.astype(float)/255. for ch in range(len(hazy_data.shape)-1): hazy_data[:, :, ch] = hazy_data[:, :, ch]*trans_map + A*(1-trans_map) result = (hazy_data*255.).astype(np.uint8) cv2.imwrite(output_file, result) # 输出最终带雾场景的结果图像 ``` 上述函数定义了一种较为复杂的大气散射模型用于生成逼真的雾霾环境。这里引入了两个重要变量——大气光强 (`A`) 和雾密度因子(`beta`) ，它们共同决定了所产生雾的程度。